CoreWeave จะรัน NVIDIA Vera CPU แบบ bare metal ที่ระดับแร็ค

CoreWeave กล่าวเมื่อวันที่ 30 กันยายน 2026 ว่าจะขยายพอร์ตโฟลิโอการคำนวณด้วย NVIDIA Vera CPU ซึ่งอธิบายว่าเป็น CPU ตัวแรกที่ออกแบบมาสำหรับ AI agents และจะรันโปรเซสเซอร์แบบ bare metal ที่ระดับแร็คสำหรับงาน AI แบบ agentic และการเรียนรู้แบบเสริมแรง

ข่าวนี้ถูกแชร์ที่ Fully Connected การประชุมคลาวด์ AI ของ CoreWeave ในซานฟรานซิสโก ซึ่งบริษัทกล่าวว่าจะรวบรวมลูกค้า พันธมิตร นักพัฒนา และผู้นำด้าน AI มากกว่า 4,500 ราย Fully Connected 2026 จะจัดขึ้นตั้งแต่ 29 กันยายน ถึง 1 ตุลาคม 2026 ที่ Moscone South, 747 Howard Street.

งาน CPU ที่อยู่เบื้องหลัง AI แบบ agentic

CoreWeave อธิบายว่า AI แบบ agentic ทำงานผ่านลูปต่อเนื่องของ การรัน, การสังเกต, การคัดสรร, การปรับปรุง, และการประเมินผล ภายในลูปนั้น GPUs จะรับผิดชอบการฝึกโมเดลและการให้เหตุผล ในขณะที่ CPUs จะดำเนินงานรอบแต่ละขั้นตอน ได้แก่ sandbox ที่แยกจากกัน, สภาพแวดล้อมการเรียนรู้แบบเสริมแรง, การเรียกใช้เครื่องมือ, การรันโค้ด, และสายงานข้อมูล

CoreWeave กล่าวว่า ความต้องการสำหรับสายงานการเตรียมข้อมูลล่วงหน้าและช่วงการฝึกการเรียนรู้แบบเสริมแรงมีลักษณะเป็นระเบิดและยากต่อการคาดการณ์: ขั้นตอนเดียวในลูปอาจต้องการสภาพแวดล้อมหลายพันแห่งเป็นเวลาหนึ่งชั่วโมง แล้วเกือบไม่มีจนกว่าจะรันครั้งต่อไป เมื่อภาระงานหลังการฝึกและ AI แบบ agentic เพิ่มขึ้น บริษัทกล่าวว่างานที่ใช้ CPU อย่างหนักจะเป็นตัวกำหนดจังหวะของลูป AI มากขึ้น และโครงสร้างพื้นฐานต้องมีความหนาแน่นเพื่อตอบสนองความต้องการนั้นและความยืดหยุ่นในการขยายตามการเปลี่ยนแปลงของความต้องการ

บริษัทกล่าวว่า Vera CPU ทำงานในลักษณะเดียวกับฟลีตอื่น ๆ ของ CoreWeave: แบบ bare metal ภายใต้แพลตฟอร์มเดียวกัน โมเดลการใช้และเศรษฐศาสตร์เดียวกัน

การปรับใช้ระดับแร็คและ CoreWeave Sandboxes

CoreWeave กล่าวว่า ตัวชี้วัดประสิทธิภาพสำคัญหนึ่งสำหรับ AI แบบ agentic คือจำนวนสภาพแวดล้อมเอเจนต์ที่แยกจากกันที่ทีมสามารถรันพร้อมกันได้ และว่าประสิทธิภาพต่อ sandbox คงที่เมื่อจำนวนนี้เพิ่มขึ้น การปรับใช้ Vera ระดับแร็คของบริษัทสามารถบรรจุ 128 CPU และ 11,264 คอร์ในแร็คเดียว พร้อมกับ BlueField-4 DPU และสวิตช์ Ethernet Spectrum‑X ที่เชื่อมต่อโหนด Vera; บริษัทระบุว่ามีความจุรองรับสภาพแวดล้อมพร้อมกันมากกว่า 11,000 รายการ

CoreWeave กล่าวว่า ผลิตภัณฑ์ Sandboxes ของบริษัทจะปรับใช้เอเจนต์เหล่านี้ด้วยการแยกฮาร์ดแวร์อย่างเต็มรูปแบบ วางอยู่ข้างเคียงโดยตรงกับงานฝึกอบรมที่พวกมันสนับสนุน ในการทดสอบของบริษัท รายงานว่า เวลาเริ่มต้น sandbox ของเอเจนต์บน CPU NVIDIA Vera เร็วกว่า CPU x86 มากกว่า 3 เท่า

“โครงสร้างพื้นฐานทั่วไปเป็นคอขวดของ AI แบบ agentic; Vera เป็น CPU ตัวแรกที่ออกแบบมาโดยเฉพาะเพื่อเร่งความเร็วของมัน” Chen Goldberg รองประธานฝ่ายผลิตภัณฑ์และวิศวกรรมของ CoreWeave กล่าวใน ประกาศของบริษัท. Goldberg กล่าวว่า แพลตฟอร์มของ CoreWeave รองรับ Vera อย่างเนทีฟผ่านผลิตภัณฑ์เช่น CoreWeave Sandboxes ทำให้ทีมสามารถสร้างสภาพแวดล้อมแยกจากกันเป็นจำนวนหลายพันรายการได้ทันทีโดยไม่มีความยุ่งยากในการดำเนินการเพิ่ม

Ryan Shrout ประธานและผู้จัดการทั่วไปของ Signal65 กล่าวว่า ส่วนที่เพิ่มขึ้นของแต่ละรอบของเอเจนต์เป็นงานที่ใช้ CPU และส่วนนี้จะเพิ่มขึ้นต่อไปเมื่อการปรับใช้หลังการฝึกและ AI แบบ agentic ขยายขนาด เขากล่าวว่า แพลตฟอร์มโดยรอบกำหนดว่าทีมสามารถใช้ความจุนี้ได้จริงหรือไม่ และความแตกต่างด้านการดำเนินการมาจากการรันงาน CPU บน bare metal ควบคู่กับฝูงงานฝึกภายใต้การจัดการที่มีอยู่แล้ว

CoreWeave เปิดตัว CoreWeave Sandboxes เมื่อ 14 พฤษภาคม 2026 ในฐานะชั้นการดำเนินการที่ให้สภาพแวดล้อมที่ปลอดภัยและแยกจากกันสำหรับนักวิจัย AI และทีมแพลตฟอร์มในการรันการเรียนรู้แบบเสริมแรง การใช้เครื่องมือของเอเจนต์ และการประเมินโมเดล สามารถใช้ได้บนโครงสร้างพื้นฐาน CoreWeave ของลูกค้าเองผ่าน CoreWeave Kubernetes Service หรือเป็น runtime แบบ serverless ผ่าน Weights & Biases พร้อม SDK ภาษา Python ที่รวมการจัดการเซสชัน การบูรณาการการจัดเก็บ และเครื่องมือการตรวจสอบ CoreWeave ระบุว่าโดยค่าเริ่มต้นแต่ละ sandbox ทำงานในสภาพแวดล้อมเสมือนที่แยกจากกันอย่างเต็มที่ ดังนั้นความล้มเหลวหรือกระบวนการที่วิ่งหลงทางใน sandbox หนึ่งจะไม่กระจายไปยัง sandbox อื่น

CoreWeave ยังอ้างอิงผลการทดสอบเบนช์มาร์ค MLPerf ของตนในด้านการสรุปผลและการฝึกฝน รวมถึงตำแหน่งที่เป็นคลาวด์ AI เพียงแห่งเดียวที่ได้รับอันดับ Platinum สูงสุดใน SemiAnalysis ClusterMAX ติดต่อกันสามครั้ง

สเปคของ NVIDIA Vera CPU

หน้าผลิตภัณฑ์ Vera CPU อธิบายว่าโปรเซสเซอร์นี้สร้างมาสำหรับ งาน CPU ที่อยู่เบื้องหลัง AI แบบ agentic และการเรียนรู้แบบเสริมแรง: การรันโค้ด, การใช้เครื่องมือ, การ sandboxing, การวิเคราะห์, สายงานข้อมูล, และการจัดระเบียบนอกเหนือจากโมเดล ตามข้อมูลของ NVIDIA, Vera มีคอร์ Olympus แบบกำหนดเอง 88 คอร์ และ Spatial Multithreading ของมันสร้าง 176 เธรดด้วยทรัพยากรคอร์ที่แบ่งส่วน

NVIDIA ระบุว่า แบนด์วิดท์ของหน่วยความจำสูงสุดถึง 1.2 เทราไบต์ต่อวินาทีบน LPDDR5X พร้อมความจุหน่วยความจำสูงสุด 1.5 TB แบนด์วิดท์ของ Scalable Coherency Fabric รุ่นที่สองของ NVIDIA เชื่อมต่อคอร์ 88 คอร์, แคช, หน่วยความจำ, IO, และ NVLink‑C2C บนไดซ์คอมพิวเตอร์เดียวด้วยแบนด์วิดท์บิซิเคชัน 3.4 TB/s และ NVLink‑C2C ให้แบนด์วิดท์เชิงสอดคล้องสูงสุด 1.8 TB/s ระหว่าง Vera CPU กับ GPU ของ NVIDIA ตามบริษัท

NVIDIA ระบุว่า Vera ทำงานคอมไพล์, การวิเคราะห์โค้ด, และงานโซ่เครื่องมือ Python ของลูปการให้เหตุผลของเอเจนต์ได้เร็วขึ้นถึง 1.8 เท่าเมื่อเทียบกับ CPU x86 ชั้นนำ, และระบบหน่วยความจำ LPDDR5X ของมันให้แบนด์วิธสูงกว่าถึง 2 เท่าและแบนด์วิธต่อคอร์สูงกว่าถึง 3 เท่าเมื่อเทียบกับ CPU x86 ชั้นนำที่ใช้ DDR5. หน้าแสดงผลิตภัณฑ์ระบุว่าตัวเลขประสิทธิภาพสัมพัทธ์เหล่านี้อิงจากข้อมูลที่วัดได้, ตั้งฐานกับ CPU x86 รุ่นล่าสุด, และอาจมีการเปลี่ยนแปลงในอนาคต.

NVIDIA วางตำแหน่ง Vera ทั้งในฐานะ CPU โฮสต์สำหรับระบบเร่งความเร็ว, รวมถึงแพลตฟอร์ม Vera Rubin NVL72 และ HGX Vera Rubin NVL8, และในฐานะ CPU แยกเดี่ยวสำหรับ AI แบบเอเจนต์, การเรียนรู้แบบเสริม, การประมวลผลข้อมูล, และการวิเคราะห์. Vera CPU Rack ซึ่งสร้างบน NVIDIA MGX สามารถบรรจุ CPU Vera ได้สูงสุด 256 ตัวและรองรับสภาพแวดล้อมพร้อมกันกว่า 22.5 พันรายการ, ตามข้อมูลของบริษัท. Vera Rubin NVL72 รวม GPU Rubin จำนวน 72 ตัว, CPU Vera จำนวน 36 ตัว, ConnectX-9 SuperNICs, และ BlueField-4 DPU ไว้ในแพลตฟอร์มระดับแร็คเดียว.